Nitesh Bansal diskuterar den växande populariteten för AI -agenter och varför datapolicy på arbetsplatsen kommer att behöva förändras som ett resultat.
Som förklarats av Nitesh Bansal, VD och verkställande direktör för Digital Product Engineering Company R Systems, är AI -agenter autonoma modeller med förmågan att lära sig, utföra uppgifter och fatta beslut utan behov av ständig mänsklig intervention. De kombinerar maskininlärning, naturlig språkbehandling och resonemang för att automatisera uppgifter, analysera data och optimera arbetsflöden.
”Till skillnad från traditionell automatisering anpassar agentisk AI dynamiskt, vilket möjliggör proaktiv problemlösning och multi-agent samarbete genom hög nivå kognitiva funktioner som att tänka, resonera och komma ihåg, som ett mänskligt sinne,” sade han.
För företag, särskilt de som verkar inom STEM -sfären, blir agentisk AI i kraft av dess förmåga att automatisera vardagliga och rutinmässiga uppgifter, avgörande för ytterligare forskning och innovation. Som noterats av Bansal, inom områden som livsvetenskap, kan AI-agenter effektivisera kliniska prövningar, påskynda läkemedelsupptäckten och föra livsförändrande terapier till marknaden förr.
Genom personliga inlärningsplattformar är AI -agenter också Demokratisera tillgången till STEM -utbildning och de verktyg som behövs för att arbeta effektivt i det utrymmet. Detta gör det möjligt för alla, oavsett om de är student, en professionell eller en teknisk entusiast, att lära sig de färdigheter som krävs för att förbereda sig för en roll i en bransch som är under nära ständig återuppfinning.
Om du bygger det kommer de
När det gäller att distribuera och använda AI-agenter på arbetsplatsen finns det många utmaningar, från brist på skicklighet bland personal och dålig behållning, till begränsad datakvalitet och en svag förståelse för teknikens verkliga potentiella företagsomfattande. Men för Bansal är komplexiteten i integrationen och de växande infrastrukturella kraven kritiska frågor som plågar branschen.
Med hänvisning till forskning från en undersökning av mer än 1 000 företagsteknologiledare och utövare som genomfördes av Tray.AI, noterade han att 42 st av de svarande företagen krävde åtta eller fler dataförbindelser för framgångsrik AI -agentutplacering. Detta behov av nätverk med hög beräkning och låg-latens är ofta kärnan i ett företags framgång och kan sätta ett betydande tryck på tillgängliga resurser.
”Medan vissa företag har en robust infrastruktur, är många ansiktsgap,” sade han. ”En ny studie fann att endast 22 st av organisationer har arkitektur redo för AI -arbetsbelastningar utan ändringar. 86 st av företag kräver uppgraderingar till sin befintliga tekniska stack för att distribuera AI -agenter.
”Det är viktigt att företag överväger deras behov av skalbara, molnbaserade lösningar och tillgång till avancerade datorresurser,” förklarade han. ”Utan dem räknar jag med att många organisationer antingen kommer att möta förseningar i utplacering eller stöta på frågor om de inte har en robust plan för att uppgradera sin infrastruktur på plats.”
För att bygga infrastrukturen som är tillräckligt stark för att stödja full förmåga till en organisations AI-agenter, råder Bansal företag att investera i några viktiga områden, till exempel högkvalitativa datadörledningar för insamling, rengöring och förberedelse av information. Robusta lagringslösningar och skalbara datorresurser är också nödvändiga, liksom förmågan att integrera befintliga system för utbredd kompatibilitet.
Arbetskraftsutbildning Och en djup förståelse av etisk styrning kommer att underbygga hela systemet, som enligt Bansal, för att AI -agenter ska vara fria från partiskhet och missbruk, måste det finnas en tydlig policy för data, integritet och säkerhet.
Policy
För att detta ska hända anser han att organisationer alltid måste uppdatera sin datapolicy. På grund av den ofta privata karaktären av den information som behandlas av AI -agenter, bör företag sträva efter att uppdatera och främja sin datapolicy, i linje med förändrade regler och förbättrade säkerhetsmetoder.
”Det finns lagar, till exempel GDPR och CCPA, som kräver robusta ramverk för datastyrning och säkerställer integritet och säkerhet. För att organisationer effektivt ska kunna hantera sin datapolicy måste de först utvärdera och planera för uppdateringar av dessa policyförändringar, ”sade han.
”Detta inkluderar att genomföra en omfattande datarevision för att förstå deras nuvarande datalandskap, med fokus på datakällor, ledningspraxis och distribution i hela verksamheten. Denna granskning kommer att identifiera luckor och områden som behöver förbättras. De bör också implementera en riskbaserad strategi när de utvecklar och distribuerar AI, bedömer om AI är nödvändig för specifika sammanhang och identifierar potentiella säkerhetshot. ”
Den fortsatta utvecklingen av AI på arbetsplatsen har skapat nya möjligheter för individen såväl som organisationen. Faktum är att helt nya karriärer, som AI -tränare, snabba ingenjörer och etiska AI -revisorer har framkommit som populära och spännande nya vägar för proffs och företag att utforska.
Men det betyder också att det finns fler möjligheter för skadligt sinnade människor att infiltrera och utnyttja infrastrukturens svagheter, särskilt i organisationer som inte helt förstår stegen som krävs för att säkert installera, använda och underhålla Agentic AI-teknologier.
För Bansal, nu mer än någonsin, måste företag se till att det mänskliga elementet är lika skickligt och ledat som de icke-mänskliga elementen så att anställda kan samarbeta med tekniken effektivt.
